世界银行-通过人工智能驱动的文本挖掘识别扩展的绿色职位清单（英）-2024.9-33页_703kb

研究背景与方法

本研究通过AI驱动的文本挖掘技术扩展了绿色职业标题的清单，聚焦全球视角和当代学术资源。使用检索增强生成（RAG）模型结合自然语言处理（如GPT-4），对2009至2024年间发表的1,067篇学术文献进行分析，提取了695个独特的绿色职业标题。该方法可重复且高效，显著优于传统的人工标注流程。

关键发现

1. 职业标题的扩展：

   • 识别出695个绿色职业标题，首次涵盖近30%工程类和大量技术岗位，以及新出现的角色，如“碳审计师”和“电力电子工程师”。
   • 与美国劳工部O*NET的现有清单对比显示，约17%的标题与之匹配，其余为新发现或细微差异的职位，需进一步细化分类。

2. 行业分布：

   • 绿色职业覆盖全球多个行业，工矿制造、行政管理和公共事业占主导地位（分别出现17次、9次和24次），同时涉及农业、能源、医疗等领域。

方法评估

• 技术优势：RAG模型显著提升了任务处理效率，避免了传统标注的人为误差，并通过上下文分析实现更准确的分类。
• 局限性：部分模糊职业（如生态企业家）被排除；数据库覆盖偏重高收入国家，可能低估低收入国家的职业实践。此外，二元分类未能体现某些职业的绿色特征渐变性。

未来展望

1. 技术改进：精细化模型参数以区分老旧岗位与新兴职业，整合更多行业数据源。
2. 领域扩展：强调绿色职业与现有职业分类系统的衔接，推动其嵌入劳动市场研究与政策制定框架中。

总体贡献

研究不仅构建了动态更新的全球绿色职业清单，还通过AI技术验证了文本挖掘在职业识别上的适用性，为绿色经济转型的政策支持提供了数据基础，但需进一步解决可扩展性与分类精确性问题。